一、精确灌溉技术支持系统研究（论文文献综述）
廖敏,粟超,张宇,杨亚军,张强[1]（2021）在《大棚种植川贝母分区变量灌溉系统研制》文中研究说明名贵中药材川贝母喜湿、怕高湿特性成为人工灌溉的难点,智能化精准灌溉系统可实现川贝母按需节水灌溉。该研究开发了基于无线传感器网络的川贝母分区变量灌溉系统。在人工种植试验过程中,采用电容法和土壤水分测定仪获得了川贝母生长需水及灌溉用水数据,建立了川贝母生长含水率模型和灌溉含水率模型。为了实现川贝母分区变量灌溉,建立了灌溉模糊控制决策模型,该模糊控制器为双输入单输出结构,利用遗传算法优化模糊控制量化因子、比例因子、模糊控制规则和隶属函数,实现遗传算法优化的模糊控制对川贝母灌用水进行精确决策和川贝母分区变量灌溉。在川贝母种植大棚内应用了该分区变量灌溉技术和系统,结果表明,模糊控制决策的灌溉有一定节水效果,遗传算法优化后的模糊控制每次灌溉土壤含水率增量主要分布在5%～7%,灌溉土壤含水率增量有明显下降。特定种植密度下灌溉试验结果表明,优化后川贝母变量灌溉误差能控制在±5%附近,满足川贝母按需灌溉需求,分区变量灌溉效果明显;随川贝母种植密度增加,所需灌溉用水也增大,二者基本呈线性关系（R2=0.975）;川贝母分区变量灌溉节水率与种植密度比之间呈抛物线关系,优化后标准种植密度的年节水率为27.6%。该研究可为川贝母种植密度和灌溉节水提供参考和技术支持。
刘婧然[2]（2021）在《青椒集雨调亏滴灌智能需水感知与节水灌溉决策研究》文中研究指明近年来,随着经济的发展,水资源短缺问题日益突出。灌溉用水约占全球水资源量的70%,发展智慧农业,进行作物需水量预测,实现智能灌溉,对节约用水,解决水资源短缺问题尤为重要。本文以河北工程大学精准灌溉试验场（原址）为试验地点,以青椒为试验对象,在2014～2018年进行了覆盖集雨调亏滴灌（MFR-RDI）和传统平作充分灌溉试验。搜集历年土壤、气象、作物的相关数据,针对适宜的节水灌溉方式,以作物需水量预测模型为基础,建立节水灌溉决策系统为目标,综合运用农水、人工智能及物联网等多学科技术,对区域农业智能需水感知与灌溉决策系统相关问题进行研究。选取MFR-RDI种植模式下灌溉水利用效率（IWUE）最高的种植方式进行了青椒需水量智能预测,并以此为基础,建立了灌溉决策系统,最后搭建了决策系统平台,该研究成果对邯郸地区青椒种植的节水灌溉具有重要的指导意义。本文主要研究内容及成果如下:（1）将覆盖集雨技术与调亏滴灌技术相结合,通过田间试验,收集试验数据,进行统计分析,得出在充分灌溉条件下,覆盖集雨滴灌比传统平作可以显着提高青椒果实的产量、Vc含量以及IWUE。在覆盖集雨滴灌种植中,调亏灌溉比充分灌溉(CK1R)可以显着提高果实Vc含量。其中,结果后期重度调亏处理(T8R)的IWUE在2014～2018年均为最高,并且该处理在2015～2018年与CK1R的青椒产量差异不显着,果实Vc含量较高。因此以IWUE最高的T8R得到的试验数据为基础,建立灌溉决策系统,最大限度地节约灌溉用水。（2）构建了由遗传算法（GA）优化的支持向量机（SVM）、GA优化的Elman神经网络、思维进化算法（MEA）优化的Elman神经网络的青椒需水量智能预测模型。结果表明,在相同的输入因素下,GA-Elman神经网络的预测结果优于GA-SVM,MEA-Elman的模型性能优于GA-Elman。在模型输入因素中引入冠层温度能够提高所构建的优化人工智能预测模型精度。此外,在作物不同的生育阶段选择不同的输入因素来进行作物需水量预测,可以使预测模型的精度进一步提高,该预测模型的均方根误差（RMSE）,平均绝对误差（MAE）,纳什-萨克利夫系数（NS）值分别为0.359 mm/d,0.294 mm/d,0.941。（3）基于青椒需水量智能预测模型,构建了深度学习（DNN）的灌溉决策系统。以作物因素、气象因素、土壤因素作为模型的输入因素,以灌溉水量作为模型的输出。用2014～2017年的数据作为模型的训练数据,2018年的数据作为测试数据,最佳DNN灌溉决策系统的隐含层包括4层,各隐含层神经元个数分别为:32、16、8、4。系统的激活函数采用“Re LU”,优化函数为“adam”,该决策系统可得到MFR-RDI种植模式下T8R的灌溉制度。与利用水量平衡方程计算的实际值相比,该决策模型的RMSE,MAE,NS以及节水率分别为:0.898 mm,0.257 mm,0.758,1.3%。在2018年,使用该系统进行灌溉的青椒产量为12886.2 kg·hm-2,Vc含量为51.1 mg·100g,IWUE为32.6kg·hm-2·mm-1,与CK1R相比,其节水率约为26.4%。（4）搭建了基于Lo Ra技术的作物智能需水感知的灌溉决策系统平台。平台实现了农业气象、土壤墒情等数据的监测以及灌溉决策功能。
李春志[3]（2021）在《新疆棉田膜下滴灌水肥控制自适应系统的设计与研究》文中研究表明新疆是全国最大的优质商品棉生产基地,灌溉施肥在棉花生产中占据着极其重要的地位。目前兵团多地采用传统的变频调速系统大多适应性不强,控制精度较低,参数整定、调试麻烦,所以在工程应用中较为少见的。针对这种灌溉施肥系统中的控制问题,将模型参考自适应理论引入到水肥控制自适应系统中来,根据自适应系统的结构特点,建立了该系统的传递函数模型,着重介绍基于李雅普诺夫稳定性理论实现模型参考自适应控制的过程,并求解自适应控制器和推理出相应的自适应控制规律。最后利用MATLAB/Simulink软件对模型参考自适应控制下的系统进行仿真分析,并进行实地试验。最终确定一套以PLC为控制器核心的水肥控制自适应系统。系统不仅具有浇水、施肥、清洗等基本功能,还可精准调控水肥混合比例和精准控制施肥量,为新疆棉花的种植提供了科学可行的水肥决策依据,最终为用户提供一套科学有效的灌溉施肥方案。具体研究内容如下:（1）根据水肥控制自适应系统设计要求和原则,对系统结构进行设计,并分析水肥控制自适系统的结构特点,构建相应系统数学模型。（2）控制算法研究。首先详细介绍自适应控制算法及原理,根据水肥控制自适应系统结构特点,依据李雅普诺夫稳定性理论,搭建自适应控制器,推导相应的自适应控制规律,最终确定自适应控制作为本系统的控制方法。（3）系统仿真。在MATLAB/Simulink中,将搭建好的自适应系统模型转化为可在MATLAB中进行仿真研究的Simulink模型,然后进行仿真研究,同时与PID控制进行对比分析。（4）自适应系统硬件设计。首先对控制系统整体结构框架进行设计,其次对硬件部分各个模块进行选型和设计,主要包括供电系统电路、信息采集模块、主控器部分、OPC数据通信等;其次对需要的硬件选型分析最终确定p H传感器、流量传感器、压力变送器、PLC的型号及参数特点;然后搭建以PLC为主控器的硬件电路并使用OPC通信技术创建一个实现信息采集和精准控制的控制系统。（5）自适应系统软件设计。首先分析整个灌溉施肥过程,设计系统控制流程图,然后利用Gxworks2软件分别设计并编写信息检测模块程序、通讯模块程序、执行机构控制程序、时序控制程序和时间控制程序等,以确保灌溉施肥过程的正常有序的进行和混肥效果。此外,利用MATLAB工具箱GUI开发工具箱设计开发上位机监控中心,主要包括系统的运行、停止、急停等基本功能,还可以辅助决策施肥量,并且可以实时显示水肥溶液的流量、压力和p H值等信息。（6）通过搭建好的自适应控制系统实验平台,对系统的稳定性、响应速度进行性能测试验证自适应控制算法的优越性,其次对压力变送器、p H传感器、流量计采集到的水肥溶液参数信息进行对比分析,验证系统的施肥精度和混肥效果。
高胖胖[4]（2021）在《阿姆河流域径流变化分析与水资源优化配置》文中指出咸海水资源和生态问题已成为国际重要议题。阿姆河流域是咸海流域的重要组成部分,其水资源的变化会显着影响咸海水量。受持续增强的人类活动和日益剧烈的气候变化影响,阿姆河流域因水资源短缺造成的社会和生态环境问题日渐突出。评估气候变化和人类活动影响下流域未来可用水资源量和入咸海水量的变化趋势,开展流域水资源优化配置研究,对保障社会经济可持续发展和改善咸海生态环境具有重要意义。因此,本文利用机器学习、水文模型和系统优化方法,从径流变化分析和水资源优化配置两个角度开展了研究。具体内容包括:（1）针对全球气候模式与水文模型的尺度匹配问题,开发了贝叶斯最小二乘支持向量机降尺度方法,建立了大尺度大气环流因子与流域气象要素间的统计关系,预估了阿姆河流域上游未来2021-2100年的气候变化特征,为利用水文模型开展气候变化下的径流变化分析提供了技术支持。结果发现未来阿姆河流域上游的温度呈明显上升趋势,升温幅度依次为:最高温度>平均温度>最低温度,并且冬季和春季的温度上升幅度较夏季和秋季更显着;未来降水呈减少趋势,且春季降水的减少幅度最大。（2）建立了多气候情景下的 HBV（Hydrologiska Fyrans Vattenbalans）水文模型,分析了气候变化对阿姆河流域未来径流的影响。HBV模型能够有效表征复杂的冰川产流过程,结合多气候情景下的集合预测可以减少气候模式的异质性带来的不确定性,提高径流预测的准确性。结果发现多气候情景集合预测下阿姆河流域2021-2100年的径流呈减少趋势,季节变化上表现为春季径流增加,夏季径流减少。（3）耦合贝叶斯推断、最小二乘支持向量机和析因分析方法,开发了贝叶斯最小二乘支持向量机-析因分析方法,定量识别了影响阿姆河入咸海水量的关键人类活动、水文气象和生态因子及其间交互作用,多情景集合预测了 2020-2050年阿姆河入咸海水量的变化。结果发现上游来水量、乌兹别克斯坦农业用水、水库截留和蒸散发是入咸海水量变化的关键影响因子,其中上游来水量的贡献率最大,因子交互作用对入咸海水量变化的总贡献率为3.8%。162种情景集合预测的结果表明,若2050年末滴灌比例达到50%,水库蓄水降低至1960-1970年的平均值,阿姆河入咸海水量有望恢复至接近1970-1980年的平均水平。（4）耦合区间参数规划、De Novo规划和蒙特卡洛模拟技术,开发了基于蒙特卡洛模拟的区间De Novo规划方法。该方法不但能够有效处理区间不确定性、多目标和主观性问题,而且能在总资源约束限定的条件下对资源进行合理配置,实现系统的最优设计。将该方法应用于多目标资源规划算例研究,发现与传统区间多目标规划相比,它可以实现资源的充分利用和多目标的同时最优化。（5）结合开发的基于蒙特卡洛模拟的区间De Novo规划方法,构建了模拟与优化相结合的阿姆河流域水资源优化配置模型,集成气候变化下的径流预测和多情景集合模拟下的入咸海水量变化结果设置了 243种情景,探究了上游来水量、入咸海水量和灌溉效率的不同组合对水资源优化配置模式的影响,提出了多套水资源优化配置备选方案,为制定入咸海水量恢复和适应气候变化影响的水资源管理策略提供了支持。总之,本论文耦合多种气候情景、贝叶斯最小二乘支持向量机降尺度方法和HBV模型,实现了阿姆河流域未来径流的集合预测;开发了贝叶斯最小二乘支持向量机-析因分析方法,揭示了入咸海水量变化的关键驱动因子,多情景集合预测了未来入咸海水量的变化趋势;构建了基于蒙特卡洛模拟的区间De Novo规划方法的水资源优化配置模型,结合径流预测和入咸海水量模拟结果,探究了气候变化、咸海生态环境保护和灌溉效率对阿姆河流域水资源优化配置方案的影响,有助于决策者根据实际情况及时做出水资源分配方案调整,以应对持续变化的水资源问题。
周永财[5]（2021）在《基于冠层光谱信息的无人机遥感诊断冬小麦水分胁迫模型》文中研究表明作物水分胁迫状况监测是保障作物正常生长发育的基本条件,及时准确地获取作物水分状况是实现精准灌溉的基础和关键。无人机多光谱遥感获取高分辨率的光谱信息,在作物水分胁迫诊断中具有很大的优势,但土壤背景对作物水分胁迫诊断模型的精度有很大影响,同时图像纹理和植被指数等冠层光谱信息在作物水分胁迫诊断中的表现有待进一步研究。因此,本研究以4中不同水分处理下的冬小麦为研究对象,利用大疆M600型无人机搭载Micro-MCA多光谱相机,分别在9:00、11:00、13:00、15:00和17:00等5个时刻获取冬小麦关键生育期的光谱影像,并同步采集不同深度土壤含水率（soil water content,SWC）和冬小麦气孔导度（stomatal conductance,Gs）数据,以此作为冬小麦水分胁迫指标。对无人机多光谱影像进行遥感解译以准确获取冬小麦冠层光谱信息（冠层反射率、植被指数和图像纹理）,分析剔除土壤背景前后的冬小麦冠层光谱变化特征,以及土壤背景对植被指数反演土壤含水率的影响,并结合图像纹理和植被指数构建基于气孔导度的水分胁迫诊断模型,最后探究不同筛选方法和机器学习算法在反演气孔导度的最佳耦合模型,以提高冬小麦水分胁迫诊断精度。得到的主要结果如下:（1）提出了改进植被指数阈值法剔除土壤背景,揭示了土壤背景对植被指数反演土壤含水率的影响。用改进的植被指数阈值法有效剔除多光谱图像中的土壤背景,提高冬小麦光谱信息的提取精度,其中基于植被指数-RDVI的剔除精度最高,总体精度在91.32%以上;土壤背景对冬小麦冠层近红外波段的反射率影响较大,红边波段次之,而对可见光波段的反射率影响较小;剔除土壤背景前后的植被指数与土壤含水率均呈线性关系,且剔除土壤背景对反演土壤含水率的精度有显着提高,其中NGRDI在反演10～20cm深度的冬小麦根域土壤含水率效果最好,建模集Rc2和RMSEc分别为0.739和2.0%,验证集Rv2和RMSEv分别为0.787和2.1%。（2）构建了结合无人机多光谱图像纹理与VIs的Gs估算模型,提高了冬小麦水分胁迫诊断模型的精度。高分辨率多光谱图像中得到的图像纹理与Gs均存在较高的相关性,其中550nm波段的图像纹理（VAR、HOM、CON、DIS、ENT和SEC）与Gs相关性最显着;受土壤背景的影响,地面分辨率越高,图像纹理和植被指数与Gs的相关性越低,其中0.008m分辨率下的图像纹理和VIs与Gs相关性最高,并且结合图像纹理和植被指数可以显着提高冬小麦Gs估计精度;基于图像纹理和VIs组合构建的3种机器学习模型中,BPNN估计模型（MEA、VAR、ENT、DWSI和EXG）诊断精度最高,即使在较低的实测Gs值下也能得到准确的估计,验证集的vR2、RMSEv和MAEv分别为0.834、0.018 mol H2Om-2s-1和0.014 mol H2Om-2s-1,Rv2/Rc2为0.928,说明该模型鲁棒性较好。（3）构建了不同筛选方法和机器学习算法耦合模型,得到了鲁棒性更好的冬小麦水分胁迫诊断模型。利用筛选方法可以有效筛选出与气孔导度相关性显着的植被指数,通过不同筛选方法与机器学习算法的耦合模型对不同生育期冬小麦的气孔导度进行估计比较,结果表明,IVSO、VISSA和GA筛选方法与机器学习算法的耦合模型精度较差,而全子集筛选方法与3种机器学习算法的耦合模型精度最佳,建模和验证集的决定系数均在0.676以上。对比全子集筛选方法与BPNN、ELM和Cubist机器学习方法在冬小麦不同生育期的耦合模型诊断精度,全子集-BPNN耦合模型在拔节期、开花期和拔节期+开花期的Rv2/Rc2分别为0.949、0.954和0.949,均非常接近1,表明模型具有较好的鲁棒性。
杨靖[6]（2020）在《基于空间数据库的灌区用水管理系统的设计 ——以宝鸡峡灌区为例》文中研究说明农田水利是保障国家粮食安全、促进农业现代化的重要基础,水利部更是做出重要批示要深化农田水利改革,同时也是为了更好的推进乡村振兴战略;因此,持续、健康的推进农田水利向更智能化、更精准化方向发展,加快大中型灌区续建配套设施与现代化改造,从水源到田间整体实现水利设施的系统化、信息化、智能化管理是时代发展的需要。而地理信息系统的发展为具有地理空间属性的事物管理提供了更多的技术上的革新,本次研究通过将空间数据与属性数据的完美结合,再利用GIS强大的空间分析功能,可实现灌区渠系数据的一体化管理,使得灌区实现水资源的高效管理提供了更科学的技术支持。我国的灌区承担着非常重要的责任,要实现灌区的精细化管理,首要的工作就是要对灌区内地地理空间要素实现系统、精准化管理,因此建立灌区空间数据库是非常有必要,以数据库为支撑,来制定灌区用水计划。本次研究基于陕西省宝鸡峡灌区为研究区域。采用先进的信息化数据采集手段移动GIS、无人机、GPS等开展数据采集工作。本文主要以研究与开发宝鸡峡灌区扶风段用水计划系统为目标,通过构建灌区空间数据库为重点展开如下工作,取得了以下几个方面的研究成果:（1）首先对灌区用水管理系统进行概念设计。通过概念设计,对灌区用水管理系统进行需求分析,了解系统所需基础数据,通过结合“3S”技术开展了灌区基础数据采集。在数据采集过程中用比较先进的采集手段—无人机测量和移动GIS,提高了数据采集效率。（2）将采集完成的灌区基础数据如渠系资料、田块信息、农作物信息、灌溉制度等进行入库前的预处理,实现数据的规范化和标准化。（3）通过GIS系统构建灌区空间数据库,以Geo Database数据库模型,建立空间数据库和属性数据库,对灌区内的地理要素分类编码,实现分层管理,构建的灌区动态数据库为后期设计灌区用水系统提供数据支撑。（4）以典型灌区——宝鸡峡灌区渠扶风段为例,通过调查发现存在的问题,以问题为导向,来解决实际问题。利用Arc GIS Engine技术和C#为开发语言,在Visual Studio 2012为开发工具包、.Net Frame Work4.0框架,对GIS系统进行二次开发,将整个系统开发设计为用户管理模块、渠系数据管理模块、属性数据管理模块、优化配水模块、数据导出模块、帮助等几个方面。整个系统界面优化、操作简单、系统数据管理完整、性能突出,有较好的移植性和推广性。
杨丙辉[7]（2020）在《基于北斗物联网的X县灌溉工程智能管理系统设计与管理》文中认为我国是一个农业大国,作物灌溉管理是农业生产管理的重要环节之一,目前作物灌溉管理在技术上还是处于薄弱环节,没有实现智能化、科学化灌溉管理,因此设计一款能够根据“不同的作物种类、不同的生长地域、不同的时间季节、不同的生长阶段、不同的天气”等因素,并结合大数据分析、作物生长特性,采用智能灌溉控制算法进行自动化、智能化、科学化的灌溉管理系统尤为迫切。该论文以“基于北斗物联网的X县灌溉工程智能管理系统设计”作为主要研究对象,采用“文献分析法”、“案例分析法”、“理论分析法”、“对比分析法”、“设计管理规范研究法”,对研究背景、国内外发展现状、相关技术应用、技术可行性分析、X县灌溉现状等进行了重点研究,并对相关技术优缺点、存在的问题进行了分析总结;将北斗通信系统运用到本研究中,拓展了系统应用范畴;确立了“智能灌溉控制算法设计”、“北斗物联网技术应用”、“技术可行性分析”、“系统设计管理”、“方案优化设计及系统软硬件设计实施”等5项主要研究内容。为了确保系统稳定性以及技术可行性,在系统设计之前,对系统设计管理措施进行了研究;制定了一系列的控制管理策略,并结合相关技术优缺点、性能指标等,对相关技术可行性进行了研究,得出了技术可行性结论。在方案设计阶段,通过对“软件系统架构”、“硬件系统架构”的性能优缺点进行对比分析,为系统架构选型得出了结论;通过对元器件选用、系统组成、功能设计进行了研究,得出了系统设计方案。在系统开发实施阶段,对系统软硬件开发设计工作进行了重点实施;在系统开发实施过程中,输出了一系列的设计文件,如:“电路原理图”、“PCB板图”、“元器件bom表”、“PCB贴片文件”“嵌入式软件代码”、“服务器后台软件代码”、“服务器显示软件代码”、“数据库软件代码”等。该系统的设计符合国家十三五农村发展战略规划,不仅能实现无人化、科学化灌溉,而且还产生了众多经济效益和社会效益,为新农村建设,智慧农业发展提供了一定程度的技术支持,既是传统农业向现代化农业发展的需要,又是精准农业发展的必然选择,对推动我国智能灌溉工程的发展具有重要意义。
李彦[8]（2020）在《太阳能供电水肥一体化控制系统的研究与设计》文中认为我国是农业大国,但长久以来农业灌溉中存在着水肥利用效率低和资源浪费严重等问题。而水肥一体化技术,由于其具有节水节肥和灌溉效率高的优点正逐渐受到推崇,为此国家近年来大力推行农业水肥一体化灌溉。然而,由于我国在该方面研究起步较晚,水肥一体化系统的发展尚不成熟,市面上很多设备大多存在水肥简单混合,配比不够准确,动力损耗大,自动化水平较低等问题。针对以上存在的问题,本文设计了一种太阳能供电水肥一体化自动控制系统,该系统主要由太阳能驱动能源部分,信息采集部分,自动控制部分,人机交互部分和系统执行部分等组成。（1）驱动能源部分:由太阳能光伏发电为系统提供能量,节约了能源并解决了田间电路架设不便的问题。（2）信息采集部分:由压力传感器,液位传感器和温湿度传感器等组成,对系统工作过程中的参数进行采集并向单片机传输。（3）自动控制部分:以STM32单片机为核心,基于模糊PID控制,通过收集和分析各种传感器的数据,控制执行部分完成排肥、称重、搅拌和施肥等动作。（4）人机交互部分:通过MCGS组态触摸屏进行水量和肥量的参数设置,显示土壤温湿度和桶内肥量值,并在桶内肥量过低时报警。（5）系统执行部分:由直流电机、电磁水阀、步进电机等器件组成,负责执行单片机的命令,完成排肥、称重、搅拌和施肥。以上五个部分组成了本文所研究的完整的太阳能供电水肥一体化控制系统,经实验验证,实现了动力源于自然、水肥配比精确、过程节能降耗和整体自动化控制。在农业灌溉中可提高水肥利用效率和自动化水平,具有实际应用价值。
郭彬彬[9]（2019）在《小麦氮素营养的高光谱监测及施氮模型构建》文中认为氮素是作物生长必须的营养元素之一。如何快速、实时、无损的获取和诊断小麦长势状况,进而精确运筹氮肥是当今智慧农业研究的热点。本研究以不同年份、生态点、小麦品种、氮梯度等田间试验,采用高光谱遥感技术、生理生化指标测试技术等,系统分析了不同栽培因子条件下小麦冠层光谱特征与植株生长参数间的关系,构建了小麦叶片氮积累量（Leaf nitrogen accumulation,LNA）、植株氮积累量（Aerial nitrogen accumulation）的定量监测模型;分析了小麦不同器官生物量及氮含量的动态变化特征,构建了基于干物质增长的小麦不同器官临界氮浓度稀释模型（Critical nitrogen concentration,Nc）、氮营养指数模型（Nitrogen nutrition index,NNI）和氮素亏缺模型（Accumulative nitrogen deficit,Nand）;确立了基于光谱指数法和氮素营养指数法的小麦追氮调控模型。预期结果为小麦精确氮肥管理提供了理论依据。本文在综合分析小麦冠层垂直角度观测的光谱特征基础上,研究了小麦叶片氮积累量与光谱参数间的定量关系。结果表明:在常规参数中DIDA和SDr/SDb与LNA的关系最密切,拟合决定系数R2分别为0.816和0.807,均方根误差RMSE分别为1.707和1.767。基于红边吸收特性和红边面积算法所构建的新型光谱参数（移动红边吸收面积,sREA）,方程拟合效果得到明显改善,R2为0.831,RMSE为1.556,可以更好地表达叶片氮素营养状态及变化。经不同年份独立数据的检验结果表明,以sREA模型预测叶片氮积累量的精度最高,其中R2、RMSE和平均相对误差RE分别为0.814,1.905和16.2%。新型植被指数sREA可以对小麦叶片氮积累量进行有效监测。系统分析了不同观测角度下植株氮积累量与多个植被指数的定量关系,提取对植株氮积累量反映敏感的观测角度,从而确立植株氮积累量定量监测模型。结果表明,植被指数在后向观测角度的表现整体优于前向观测角度。无论后向或前向观测角度,植株氮积累量与17个常规植被指数间R2均随着观测角度的降低而增加,在后向-10°达到最大值。在常规参数中,DIDA和DDn与植株氮素积累量的关系最密切。利用红边特征及面积算法构建的新型植被指数（修定型右峰面积指数,mRPA）可以更好的估测植株氮积累量,其显着降低了不同试验因子的影响效应,在-20°至10°观测角度范围内可以建立统一监测模型。利用独立数据检验,mRPA监测小麦植株氮积累量的精度最高,模型的适应性和可靠性较好。将mRPA监测模型与斯坦福方程耦合,构建出了基于光谱指数法的小麦追氮调控模型,该结果为遥感技术在作物氮肥精确管理上的应用提供了技术支持。在明确小麦不同器官（叶片、茎秆、植株）干物质质量和氮浓度随不同灌水、施氮水平及生育进程的变化规律基础上,依据Justes创建的临界氮浓度稀释模型方法,分别构建了小麦不同器官的临界氮浓度稀释模型（Nc）、氮营养指数模型（NNI）和氮素亏缺模型（Nand）。结果表明:小麦各器官的临界氮浓度与生物量之间均符合幂函数关系(N=aDW-b),当生物量相同时,各器官均表现为灌水处理的临界氮浓度值高于不灌水处理。各器官Nc模型的拟合精度（R2）均表现为灌水处理高于不灌水处理。氮营养指数随着施氮量增加而增大,能够很好地判别植株氮素丰缺状况。NNI与氮亏缺值（Nand）呈显着的线性负相关关系,其中,植株的R2最高（0.775）,其次为叶片（0.747）,茎秆最低（0.675）。将氮素亏缺模型与肥料贡献率和氮肥利用率相结合,构建出了基于氮营养指数法的小麦追氮调控模型,能够精确量化小麦生长过程中的氮肥实时供应量,有利于小麦节氮增效。科学氮肥管理的目的在于最大限度的提高作物产量和降低环境风险。在分析不同氮素水平条件下小麦植株氮积累量与土层硝态氮含量随生育进程变化模式基础上,结合小麦植株根系与土壤硝态氮在0-100 cm空间变化,系统分析了小麦植株需氮和土壤供氮之间的关系。结果表明,植株氮积累量和土壤硝态氮均随着施氮量的增加而增加。土壤硝态氮随着土层深度增加而减少,且随着生育期推进逐渐向下移动。根重密度随着施氮量的增加呈单峰趋势,当施氮量为90 kg hm-2,根重密度达到最大值。根系主要分布在0-60 cm土层（占80%以上）;20-60 cm根重占根系总重的30%。植株氮积累量的净增量与土壤硝态氮的净增量之间存在极显着的相关性,营养敏感期拔节-开花期最佳的相关性出现在20-60 cm（R2=0.402-0.431）,成熟期在20-80 cm（R2=0.474）。本试验中综合考虑小麦产量、硝态氮残留量以及氮素利用率,提出黄淮南片高产小麦灌溉条件下推荐施氮量为180-270 kg hm-2。
张百慧[10]（2019）在《城市既有社区农业环境评估与生产性潜力测算研究》文中提出随着城市化进程的加快,耕地面积逐年减少,环境、能源问题也日益突出,而城市内部土地存在多层次潜力有待挖掘,为了合理利用城市空间,未来亟需全新的、可量化的可持续空间规划手段。与此同时,生产性社区作为一种新兴的概念开始出现在人们的视野中,而全面评估社区自身的农业环境及空间潜力,是将生产性城市概念落到实处,从而推动生产性社区系统规划和建设的首要步骤。本文旨在提出一套普适性、可复制的城市社区农业环境评估和生产性潜力计算方法框架,能对既有社区农业规划和改造进行科学的定性与定量评估。本论文将从以下四个方面展开研究:（一）通过总结国内外社区农业的发展历程和实践案例,梳理社区农业的类型、技术、功能,指出我国发展社区农业的优势与挑战。（二）构建社区生产性环境评估框架,对既有社区农业的社会环境与自然环境进行分析,从政策环境、居民认知意愿、宏观气候环境、微气候环境四个方面着手,利用问卷调查、摄影测量、空间计算、环境模拟分析工具等全面评估特定社区的农业可行性,基于环境特征结合人居条件、农作物生长习性提出社区作物品种选择依据。（三）在前述总体框架基础上,提出了一种基于无人机空间地理信息采集和空间分析的统计方法,以及城市社区复杂环境中进行空间评估的实施策略,用于快速准确便捷地清查既有社区的农业空间,并根据统计结果从量化角度阐述社区农业在经济、生态环境、社会三个方面的潜在效益计算方法。（四）既有社区实例推演,利用评估框架中的方法,对天津市某代表社区的生产性环境及潜力进行计算评估,从而验证了评估框架的可行性。本研究通过总结归纳新的社区空间规划手段的切入点、实施流程和基本作业框架,使得这一新手段成熟化并能够融入城市规划、社区管理之中,未来伴随相关软硬件的普及应用,能够进一步协助城市规划者和管理者充分认识城市自身农业发展潜力,将社区农业科学合理地纳入城市可持续发展框架,使城市农业的规划、设计与实施更为综合和高效。
二、精确灌溉技术支持系统研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、精确灌溉技术支持系统研究（论文提纲范文）
（1）大棚种植川贝母分区变量灌溉系统研制（论文提纲范文）
| 0 引言 |
| 1 系统总体结构设计 |
| 2 川贝母分区变量灌溉控制方法 |
| 2.1 川贝母生长含水率模型 |
| 2.2 川贝母灌溉含水率模型 |
| 2.3 川贝母分区变量灌溉控制策略 |
| 2.3.1 川贝母变量灌溉决策模型 |
| 2.3.2 遗传算法优化的模糊控制器 |
| 3 系统应用实例 |
| 3.1 分区变量灌溉系统工作过程 |
| 3.2 分区变量灌溉控制 |
| 3.2.1 基于遗传算法的模糊控制参数优化 |
| 3.2.2 分区变量灌溉模糊控制 |
| 4 结论 |
（2）青椒集雨调亏滴灌智能需水感知与节水灌溉决策研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 滴灌 |
| 1.2.2 调亏灌溉 |
| 1.2.3 覆盖集雨种植 |
| 1.2.4 人工智能 |
| 1.2.5 灌溉决策支持系统 |
| 1.3 发展动态分析及问题的提出 |
| 1.4 主要研究内容与技术路线 |
| 第2章 材料与方法 |
| 2.1 试验地概况 |
| 2.2 试验设计与田间管理 |
| 2.2.1 试验设计与布置 |
| 2.2.2 田间管理 |
| 2.3 观测项目和测定方法 |
| 2.3.1 气象数据观测 |
| 2.3.2 土壤含水量的测定 |
| 2.3.3 作物生长指标、冠层温度及产量、品质(V_c)的测定 |
| 2.3.4 作物需水量(ET)及灌水量的计算与测定 |
| 2.3.5 灌溉水利用效率及节水率的测定 |
| 2.4 数据处理与分析 |
| 2.5 本章小结 |
| 第3章 不同灌溉处理对青椒产量、品质(V_c)、灌溉水利用效率的影响 |
| 3.1 不同试验处理对青椒产量的影响 |
| 3.1.1 不同试验处理条件下的青椒产量分析 |
| 3.1.2 2018 年不同试验处理条件下的青椒产量分析 |
| 3.2 不同试验处理对青椒品质(V_c)的影响 |
| 3.2.1 不同试验处理条件下的青椒品质(V_c)分析 |
| 3.2.2 2018 年不同试验处理条件下的青椒品质(V_c)分析 |
| 3.3 不同试验处理对青椒灌溉水利用效率(IWUE)的影响 |
| 3.3.1 不同试验处理条件下的青椒灌溉水利用效率(IWUE)分析 |
| 3.3.2 2018 年不同试验处理条件下的青椒水利用效率分析 |
| 3.4 本章小结 |
| 第4章 基于人工智能优化算法的青椒需水量预测模型 |
| 4.1 作物需水量、数据预处理及模型性能评价指标 |
| 4.1.1 作物需水量 |
| 4.1.2 数据预处理 |
| 4.1.3 预测模型性能评价指标 |
| 4.2 优化的支持向量机(SVM)预测模型 |
| 4.2.1 支持向量机原理 |
| 4.2.2 遗传算法原理 |
| 4.2.3 GA-SVM青椒需水量预测模型的建立与比较分析 |
| 4.3 优化的Elman神经网络预测模型 |
| 4.3.1 Elman神经网络模型原理 |
| 4.3.2 思维进化算法原理 |
| 4.3.3 MEA-Elman、GA-Elman神经网络预测模型的建立与比较分析 |
| 4.4 本章小结 |
| 第5章 青椒节水灌溉决策系统 |
| 5.1 灌溉水量的影响因素分析 |
| 5.2 基于深度神经网络的灌溉决策系统模型的建立 |
| 5.2.1 深度学习(DNN)原理 |
| 5.2.2 基于DNN的青椒实时节水灌溉决策系统的建立 |
| 5.2.3 DNN决策系统应用效果分析与评价 |
| 5.3 本章小结 |
| 第6章 基于长距离通信技术的决策系统平台 |
| 6.1 LoRa概述 |
| 6.1.1 LoRa发展简史 |
| 6.1.2 LoRa技术特点 |
| 6.2 总体结构 |
| 6.3 数据采集与传输 |
| 6.3.1 LoRa模块的选择 |
| 6.3.2 数据采集及控制模块 |
| 6.3.3 LoRa终端和LoRa网关 |
| 6.3.4 终端节点及LoRa通信 |
| 6.3.5 云端智能控制系统 |
| 6.3.6 系统测试 |
| 6.4 主要功能 |
| 6.5 本章小结 |
| 结论与展望 |
| 参考文献 |
| 攻读学位期间发表论文和参加科研情况 |
| 致谢 |
| 作者简介 |
（3）新疆棉田膜下滴灌水肥控制自适应系统的设计与研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题来源 |
| 1.2 研究背景及意义 |
| 1.2.1 研究背景 |
| 1.2.2 研究意义 |
| 1.3 国内外水肥一体化技术研究现状 |
| 1.3.1 国外水肥一体化技术研究现状 |
| 1.3.2 国内水肥一体化技术研究现状 |
| 1.3.3 我国水肥一体化技术存在挑战 |
| 1.4 主要研究内容 |
| 1.5 技术路线 |
| 1.6 结构安排 |
| 1.7 本章小结 |
| 第二章 自适应系统总体设计 |
| 2.1 棉田灌溉施肥需求分析 |
| 2.1.1 棉花种植灌溉施肥量的确定 |
| 2.1.2 灌溉施肥流程 |
| 2.2 自适应系统设计要求 |
| 2.3 自适应系统设计原则 |
| 2.4 自适应系统方案设计 |
| 2.4.1 自适应系统控制原理 |
| 2.4.2 自适应系统整体结构设计 |
| 2.4.3 自适应系统控制流程 |
| 2.4.4 自适应系统关键技术 |
| 2.5 本章小结 |
| 第三章 自适应系统建模及仿真 |
| 3.1 设计自适应控制系统的结构模型 |
| 3.2 构建自适应系统传递函数 |
| 3.3 自适应控制器设计 |
| 3.3.1 建立自适应系统的理想参考模型 |
| 3.3.2 自适应控制规则的推导 |
| 3.4 自适应系统的仿真分析 |
| 3.4.1 自适应系统的状态及输出方程确定 |
| 3.4.2 控制算法及仿真程序编写 |
| 3.4.3 仿真结果及探讨 |
| 3.5 本章小结 |
| 第四章 自适应系统软硬件设计 |
| 4.1 控制系统整体设计 |
| 4.2 自适应系统硬件设计 |
| 4.2.1 供电模块 |
| 4.2.2 执行机构 |
| 4.2.3 信息采集模块 |
| 4.2.4 系统控制器的设计 |
| 4.3 自适应系统软件设计 |
| 4.3.1 上位机软件 |
| 4.3.2 下位机软件 |
| 4.4 本章小结 |
| 第五章 自适应系统安装与测试 |
| 5.1 自适应系统安装 |
| 5.1.1 执行机构安装 |
| 5.1.2 控制系统部分安装 |
| 5.1.3 实验管路布置 |
| 5.2 自适应系统性能测试 |
| 5.2.1 系统稳定性测试 |
| 5.2.2 系统施肥精度测试 |
| 5.3 自适应系统混肥效果测试 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
| 附件 |
（4）阿姆河流域径流变化分析与水资源优化配置（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究意义 |
| 1.3 研究内容 |
| 1.4 论文结构 |
| 第二章 文献综述 |
| 2.1 径流变化分析 |
| 2.1.1 气候变化下的径流预测 |
| 2.1.2 多要素影响下的径流变化分析 |
| 2.2 流域水资源优化配置 |
| 2.2.1 多目标水资源优化配置 |
| 2.2.2 气候变化下的水资源优化配置 |
| 2.3 咸海流域相关研究 |
| 2.4 本章小结 |
| 第三章 阿姆河流域径流变化分析 |
| 3.1 BLSVM降尺度方法用于阿姆河流域上游未来气候变化预估 |
| 3.1.1 BLSVM降尺度模型的建立 |
| 3.1.2 阿姆河流域上游概况 |
| 3.1.3 结果分析与讨论 |
| 3.1.4 主要结论 |
| 3.2 耦合多气候情景的HBV模型分析阿姆河流域径流变化 |
| 3.2.1 MGCM-HBV模型建立 |
| 3.2.2 问题阐述 |
| 3.2.3 结果分析与讨论 |
| 3.2.4 主要结论 |
| 3.3 阿姆河入咸海水量变化分析 |
| 3.3.1 BLSVM-FA模型的建立 |
| 3.3.2 阿姆河流域概况 |
| 3.3.3 结果分析与讨论 |
| 3.3.4 主要结论 |
| 3.4 本章小结 |
| 第四章 阿姆河流域水资源优化配置 |
| 4.1 基于蒙特卡洛模拟的区间De Novo规划方法 |
| 4.1.1 MC-IDP方法的建立 |
| 4.1.2 算例分析 |
| 4.1.3 结果分析与讨论 |
| 4.1.4 主要结论 |
| 4.2 基于MC-IDP方法的阿姆河流域水资源优化配置 |
| 4.2.1 研究区域概况 |
| 4.2.2 基于MC-IDP方法的水资源优化配置模型构建 |
| 4.2.3 结果分析与讨论 |
| 4.2.4 主要结论 |
| 4.2.5 符号列表 |
| 4.3 本章小结 |
| 第五章 结论与展望 |
| 5.1 主要结论 |
| 5.2 贡献与创新 |
| 5.3 展望 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
（5）基于冠层光谱信息的无人机遥感诊断冬小麦水分胁迫模型（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景、目的及意义 |
| 1.2 国内外研究进展 |
| 1.2.1 无人机遥感农田墒情监测研究进展 |
| 1.2.2 无人机遥感图像剔除土壤背景研究进展 |
| 1.2.3 无人机遥感诊断作物水分胁迫研究进展 |
| 1.3 存在的问题 |
| 1.4 研究内容与技术路线 |
| 1.4.1 研究内容 |
| 1.4.2 技术路线 |
| 第二章 材料与方法 |
| 2.0 试验区概况 |
| 2.1 试验设计 |
| 2.2 无人机多光谱遥感数据采集与预处理 |
| 2.3 地面数据采集 |
| 2.3.1 冬小麦根域土壤含水率数据的采集 |
| 2.3.2 冬小麦气孔导度数据的采集 |
| 2.4 植被指数计算 |
| 2.5 光谱变量的筛选方法 |
| 2.5.1 VISSA筛选方法 |
| 2.5.2 全子集筛选方法 |
| 2.5.3 IVSO筛选方法 |
| 2.5.4 GA筛选方法 |
| 2.6 机器学习方法 |
| 2.6.1 多元混合线性回归(Cubist) |
| 2.6.2 反向传播神经网络(BPNN) |
| 2.6.3 极限学习机(ELM) |
| 2.7 模型精度评价 |
| 第三章 剔除土壤背景影响的冬小麦水分胁迫诊断方法 |
| 3.1 数据处理 |
| 3.1.1 改进植被指数阈值法剔除土壤背景 |
| 3.1.2 建模集和验证集的划分 |
| 3.2 基于植被指数阈值法的分类精度评价 |
| 3.3 土壤背景对提取冬小麦冠层反射率的影响分析 |
| 3.3.1 不同土壤含水率背景对提取冠层反射率的影响 |
| 3.3.2 作物阴影背景对提取冠层反射率的影响 |
| 3.4 土壤背景对冬小麦根域土壤含水率反演的影响 |
| 3.5 讨论 |
| 3.6 本章小结 |
| 第四章 基于图像纹理和植被指数的冬小麦水分胁迫诊断模型 |
| 4.1 数据处理 |
| 4.1.1 剔除土壤背景影响 |
| 4.1.2 图像纹理及植被指数计算 |
| 4.2 筛选敏感图像纹理和植被指数组合 |
| 4.3 气孔导度与植被指数和图像纹理的相关性分析 |
| 4.4 基于图像纹理和植被指数的冬小麦气孔导度估计模型 |
| 4.4.1 基于植被指数的Gs估计模型 |
| 4.4.2 基于图像纹理的Gs估计模型 |
| 4.4.3 基于图像纹理和植被指数的Gs估计模型 |
| 4.5 讨论 |
| 4.6 本章小结 |
| 第五章 耦合筛选方法和机器学习的冬小麦水分胁迫诊断模型 |
| 5.1 植被指数与气孔导度相关性分析 |
| 5.2 不同筛选方法结果对比分析 |
| 5.3 不同耦合模型反演分析 |
| 5.4 不同耦合模型精度对比分析 |
| 5.5 讨论 |
| 5.6 本章小结 |
| 第六章 结论与展望 |
| 6.1 研究结论 |
| 6.2 创新点 |
| 6.3 不足与展望 |
| 参考文献 |
| 致谢 |
| 个人简历 |
（6）基于空间数据库的灌区用水管理系统的设计 ——以宝鸡峡灌区为例（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景和目的意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究的目的和意义 |
| 1.2 国内外研究进展 |
| 1.2.1 国外现状 |
| 1.2.2 国内现状 |
| 1.3 国内灌区存在的问题 |
| 1.4 研究的主要内容及技术路线 |
| 1.4.1 宝鸡峡灌区用水管理现状 |
| 1.4.2 宝鸡峡灌区空间数据库构建 |
| 1.4.3 宝鸡峡灌区用水计划系统设计 |
| 1.4.4 技术路线 |
| 1.5 本章小结 |
| 第二章 基础数据采集 |
| 2.1 灌区基础地理数据 |
| 2.2 属性数据 |
| 2.3 技术路线 |
| 2.4 基础数据采集方式 |
| 第三章 基础数据预处理 |
| 3.1 专业术语解释 |
| 3.1.1 地理信息系统 |
| 3.1.2 地理信息数据库 |
| 3.1.3 地图投影与坐标系统 |
| 3.1.4 空间分析 |
| 3.2 栅格数据处理(地理配准) |
| 3.3 地图矢量化-Arc Scan自动矢量化 |
| 3.4 遥感数据处理 |
| 3.5 拓扑关系构建 |
| 3.6 数据处理辅助软件 |
| 3.6.1 奥维互动地图 |
| 3.6.2 Arc GIS10.2 |
| 3.7 本章小结 |
| 第四章 典型灌区空间数据库的构建 |
| 4.1 典型灌区地理状况 |
| 4.2 空间数据库构建理论基础 |
| 4.3 空间数据库的特点 |
| 4.4 空间数据库研究的目的和内容 |
| 4.4.1 空间数据库研究的目的 |
| 4.4.2 空间数据库研究的内容 |
| 4.5 数据库设计原则 |
| 4.6 空间数据库设计 |
| 4.7 属性数据库设计 |
| 4.8 空间数据库和属性数据库的联结 |
| 4.9 本章小结 |
| 第五章 灌区用水计划系统的实现 |
| 5.1 系统的需求分析 |
| 5.2 系统的设计思想和原则 |
| 5.2.1 系统设计思路 |
| 5.2.2 系统设计原则 |
| 5.3 系统开发总体框架设计 |
| 5.4 系统开发平台 |
| 5.4.1 系统开发硬件环境 |
| 5.4.2 系统开发软件环境 |
| 5.5 系统模块设计 |
| 5.5.1 登录界面设计 |
| 5.5.2 地图管理模块 |
| 5.5.3 渠系数据管理模块 |
| 5.5.4 灌区属性数据管理模块 |
| 5.5.5 用水计划生成 |
| 5.5.6 数据导出模块 |
| 5.5.7 帮助 |
| 5.6 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 个人简介 |
（7）基于北斗物联网的X县灌溉工程智能管理系统设计与管理（论文提纲范文）
| 摘要 |
| Abstract |
| 变量注释表 |
| 1 绪论 |
| 1.1 选题背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 主要研究内容及创新点 |
| 1.4 研究方法与技术路线 |
| 2 技术可行性分析 |
| 2.1 技术概况 |
| 2.2 硬件系统技术可行性分析 |
| 2.3 软件系统技术可行性分析 |
| 2.4 本章小结 |
| 3 系统设计管理 |
| 3.1 系统设计规划管理 |
| 3.2 技术评审管理 |
| 3.3 元器件选型管理 |
| 3.4 PCB工艺设计管理 |
| 3.5 系统可靠性设计管理 |
| 3.6 系统维修性设计管理 |
| 3.7 安全性设计管理 |
| 3.8 系统保障性设计管理 |
| 3.9 系统测试性管理 |
| 3.10 系统环境适应性管理 |
| 3.11 本章小结 |
| 4 方案分析与优化设计 |
| 4.1 系统架构分析 |
| 4.2 硬件系统方案设计 |
| 4.3 软件系统方案设计 |
| 4.4 智能控制算法设计 |
| 4.5 本章小结 |
| 5 系统软硬件设计 |
| 5.1 硬件设计 |
| 5.2 软件设计 |
| 5.3 本章小结 |
| 6 预计社会及经济效益分析 |
| 6.1 预计经济效益分析 |
| 6.2 预计社会效益分析 |
| 6.3 本章小结 |
| 7 结论及展望 |
| 7.1 结论 |
| 7.2 展望 |
| 参考文献 |
| 附录 |
| 作者简历 |
| 致谢 |
| 学位论文数据集 |
（8）太阳能供电水肥一体化控制系统的研究与设计（论文提纲范文）
| 中文摘要 |
| Abstract |
| 1 前言 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 课题主要研究内容 |
| 1.4 研究路线图 |
| 2 系统原理与总体方案设计 |
| 2.1 系统的总体结构与工作原理 |
| 2.1.1 系统的总体结构 |
| 2.1.2 系统的工作原理 |
| 2.2 排肥、称肥和过滤部分的设计 |
| 2.2.1 排肥部分 |
| 2.2.2 称肥部分 |
| 2.2.3 过滤部分 |
| 2.3 传感器的选型 |
| 2.3.1 压力传感器 |
| 2.3.2 液位传感器 |
| 2.3.3 温湿度传感器 |
| 2.4 文丘里施肥器 |
| 2.4.1 文丘里施肥器的基本原理 |
| 2.4.2 旁路并联式文丘里施肥器 |
| 2.5 基于模糊PID控制的施肥方案设计 |
| 2.6 本章小结 |
| 3 供能部分和控制系统的设计 |
| 3.1 太阳能光伏发电供能系统 |
| 3.1.1 太阳能电池 |
| 3.1.2 控制器和光伏蓄电池 |
| 3.1.3 逆变器 |
| 3.2 控制系统的设计 |
| 3.2.1 控制系统总方案设计 |
| 3.2.2 控制系统的硬件设计及原理 |
| 3.2.3 控制系统的软件设计及流程 |
| 3.3 本章小结 |
| 4 基于组态软件MCGS的触摸屏显示设计 |
| 4.1 组态软件及触摸屏概述 |
| 4.2 组态软件MCGS的应用设计 |
| 4.2.1 设备窗口 |
| 4.2.2 用户窗口 |
| 4.2.3 实时数据库 |
| 4.2.4 运行策略 |
| 4.3 本章小结 |
| 5 样机制作与安装调试 |
| 5.1 样机的制作与安装 |
| 5.2 样机的调试与分析 |
| 5.3 本章小结 |
| 6 总结与展望 |
| 6.1 论文工作总结 |
| 6.2 创新点 |
| 6.3 研究展望 |
| 参考文献 |
| 附录 |
| 致谢 |
| 攻读硕士学位期间取得的成果 |
（9）小麦氮素营养的高光谱监测及施氮模型构建（论文提纲范文）
| 致谢 |
| 摘要 |
| 第一章 文献综述与立题依据 |
| 1 研究背景 |
| 2 作物营养诊断的发展历程 |
| 2.1 形态诊断方法 |
| 2.1.1 长势诊断 |
| 2.1.2 叶色诊断 |
| 2.2 化学诊断方法 |
| 2.2.1 植株全氮诊断 |
| 2.2.2 硝酸盐快速诊断 |
| 2.3 现代技术诊断 |
| 2.3.1 叶绿素仪技术 |
| 2.3.2 叶绿素荧光技术 |
| 2.4 临界氮浓度诊断技术 |
| 3 作物氮素营养光谱学监测研究进展 |
| 3.1 作物氮素营养监测机理 |
| 3.2 绿色植被的典型光谱特征 |
| 3.3 作物叶片层次氮素状况监测 |
| 3.4 作物植株层次氮素状况监测 |
| 3.5 多角度遥感监测 |
| 4 作物氮肥精确调控研究进展 |
| 5 研究目的与意义 |
| 6 技术路线 |
| 第二章 基于冠层光谱红边特性的小麦叶片氮积累量监测研究 |
| 1 材料与方法 |
| 1.1 试验设计 |
| 1.2 小麦冠层光谱测定 |
| 1.3 生物量和氮含量测定 |
| 1.4 数据分析与利用 |
| 1.4.1 红边吸收面积指数的构建 |
| 1.4.2 模型的建立与检验 |
| 2 结果与分析 |
| 2.1 小麦叶片氮积累量的变化 |
| 2.2 小麦叶片氮积累量与植株氮积累量的相关性 |
| 2.3 小麦叶片氮积累量与常规红边参数的关系 |
| 2.4 小麦叶片氮积累量与新构建植被指数sREA的关系 |
| 2.5 模型的测试与检验 |
| 3 讨论 |
| 4 结论 |
| 第三章 小麦植株氮积累量的多角度监测及追氮调控模型研究 |
| 1 材料与方法 |
| 1.1 试验设计 |
| 1.2 小麦冠层多角度反射光谱测定 |
| 1.3 生物量和氮含量测定 |
| 1.4 数据分析与利用 |
| 1.4.1 新型植被指数的构建 |
| 1.4.2 模型的建立与检验 |
| 2 结果与分析 |
| 2.1 小麦植株氮积累量的变化 |
| 2.2 不同观测角度下光谱反射率与植株氮积累量的关系 |
| 2.3 不同观测角度下光谱参数与植株氮积累量的关系 |
| 2.4 角度组合参数与植株氮积累量的关系 |
| 2.5 植株氮积累量模型的测试与检验 |
| 2.6 基于光谱指数法的追氮调控模型 |
| 3 讨论 |
| 4 结论 |
| 第四章 不同灌水下小麦临界氮浓度模型的确立及氮肥优化研究 |
| 1 材料与方法 |
| 1.1 试验设计 |
| 1.2 生物量和氮含量测定 |
| 1.3 模型构建 |
| 1.3.1 小麦临界氮浓度稀释曲线模型的建立 |
| 1.3.2 小麦氮营养指数模型的构建 |
| 1.3.3 小麦氮亏缺模型的构建 |
| 1.4 数据分析 |
| 2 结果与分析 |
| 2.1 不同灌溉及施氮水平对小麦生物量的影响 |
| 2.2 不同灌溉及施氮水平对小麦氮含量的影响 |
| 2.3 不同灌溉及施氮水平对小麦临界氮浓度稀释模型的影响 |
| 2.4 不同灌溉及施氮水平对小麦氮营养指数的影响 |
| 2.5 小麦氮素营养指数与氮亏缺值的关系 |
| 2.6 基于氮素营养指数的小麦追氮调控模型的构建 |
| 3 讨论 |
| 4 结论 |
| 第五章 冬小麦土壤硝态氮时空分布与适宜施氮量研究 |
| 1 材料与方法 |
| 1.1 试验设计 |
| 1.2 小麦植株氮积累量和氮素利用率测定 |
| 1.3 产量测定 |
| 1.4 土壤硝态氮的测定 |
| 1.5 根系的测定 |
| 1.6 数据分析与利用 |
| 2 结果与分析 |
| 2.1 小麦植株氮积累量与土壤硝态氮的动态变化 |
| 2.2 不同土层小麦根系的分布特征 |
| 2.3 不同施氮水平下土壤硝态氮的分布特征 |
| 2.4 小麦植株氮积累量与土壤硝态氮和根重密度的相关性 |
| 2.5 小麦植株氮积累量净增量与土壤硝态氮净增量的相关性 |
| 2.6 不同施氮量对成熟期小麦产量、植株氮积累量、硝态氮残余量和氮素利用率的影响 |
| 3 讨论 |
| 4 结论 |
| 第六章 讨论与结论 |
| 1 讨论 |
| 1.1 高光谱遥感的监测方式 |
| 1.1.1 高光谱遥感的分析技术 |
| 1.1.2 高光谱遥感信息的采集方式 |
| 1.2 作物氮素营养的诊断与调控 |
| 1.2.1 作物氮素营养诊断方法 |
| 1.2.2 作物追氮调控技术 |
| 2 本研究的特色与创新点 |
| 3 今后的研究设想 |
| 4 结论 |
| 参考文献 |
| ABSTRACT |
| 硕博连读期间发表和投稿的学术论文 |
| 攻读博士学位期间参加的科研项目 |
（10）城市既有社区农业环境评估与生产性潜力测算研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.1.1 耕地减少、能源环境问题突出 |
| 1.1.2 城市农业场地潜力巨大且利用率低 |
| 1.1.3 社区自发农业未纳入统一管理 |
| 1.2 国内外社区农业潜力评估相关研究现状 |
| 1.2.1 社会认知及行为意愿研究 |
| 1.2.2 精确农业品种推荐研究 |
| 1.2.3 城市农业空间潜力清查研究 |
| 1.2.4 潜在效益评估研究 |
| 1.2.5 相关研究现状总结 |
| 1.3 研究意义 |
| 1.3.1 实践意义 |
| 1.3.2 学科意义 |
| 1.4 研究对象及问题 |
| 1.4.1 研究对象 |
| 1.4.2 研究问题 |
| 1.5 研究内容和框架 |
| 1.5.1 研究内容 |
| 1.5.2 研究框架 |
| 1.6 研究方法 |
| 1.6.1 文献研究法 |
| 1.6.2 社会调研法 |
| 1.6.3 定性与定量分析相结合 |
| 1.6.4 跨学科研究 |
| 1.7 研究创新点 |
| 1.8 小结 |
| 第2章 生产性社区农业概述 |
| 2.1 都市农业与生产性城市 |
| 2.2 社区农业与生产性社区 |
| 2.3 社区农业的分类 |
| 2.3.1 按照归属关系分类 |
| 2.3.2 按照种植地点分类 |
| 2.3.3 按照种植形式分类 |
| 2.4 社区农业的发展现状 |
| 2.4.1 国外发展现状 |
| 2.4.2 国内发展现状 |
| 2.5 社区农业技术与资源技术 |
| 2.5.1 农业技术 |
| 2.5.2 资源技术 |
| 2.6 国内现有社区农业的行为实例 |
| 2.6.1 居民自发型种植实例 |
| 2.6.2 组织主导型实例 |
| 2.7 国内社区农业发展中的优势与问题 |
| 2.7.1 社区发展农业的优势 |
| 2.7.2 社区发展农业的问题 |
| 2.8 小结 |
| 第3章 城市社区农业环境评估与作物品种选择 |
| 3.1 农业环境评估 |
| 3.1.1 社会环境分析 |
| 3.1.2 自然环境评估 |
| 3.2 社区作物品种选择 |
| 3.2.1 因人而异 |
| 3.2.2 因地制宜 |
| 3.2.3 农作物习性 |
| 3.2.4 农作物之间的相互作用 |
| 3.3 小结 |
| 第4章 城市既有社区生产性潜力测算 |
| 4.1 生产性空间潜力测算 |
| 4.1.1 空间地理信息采集方法 |
| 4.1.2 三维模型重建 |
| 4.1.3 生产性潜力空间提取计算 |
| 4.1.4 生产性空间潜力测算 |
| 4.2 社区生产性规划潜在效益计算 |
| 4.2.1 经济效益潜力 |
| 4.2.2 生态效益潜力 |
| 4.2.3 社会效益潜力 |
| 4.3 小结 |
| 第5章 既有社区实例推演 |
| 5.1 案例选址 |
| 5.2 社区三维模型重建 |
| 5.3 农业适应性环境评估 |
| 5.3.1 宏观气候分析 |
| 5.3.2 微观自然环境评估 |
| 5.4 生产性空间潜力评估 |
| 5.4.1 点云分割提取 |
| 5.4.2 生产性空间潜力测算 |
| 5.5 种植品种选择 |
| 5.6 生产性规划效益潜力测算 |
| 5.6.1 经济效益潜力 |
| 5.6.2 生态效益潜力 |
| 5.6.3 社会就业岗位潜力 |
| 5.7 社区农作物管理APP设计 |
| 5.7.1 功能框架图 |
| 5.7.2 原型设计图 |
| 5.8 小结 |
| 第6章 总结 |
| 6.1 结论 |
| 6.2 不足与展望 |
| 参考文献 |
| 附录A 社区居民农业认知与种植意愿调查 |
| 发表论文和参加科研情况说明 |
| 致谢 |
四、精确灌溉技术支持系统研究（论文参考文献）
- [1]大棚种植川贝母分区变量灌溉系统研制[J]. 廖敏,粟超,张宇,杨亚军,张强. 农业工程学报, 2021(16)
- [2]青椒集雨调亏滴灌智能需水感知与节水灌溉决策研究[D]. 刘婧然. 河北工程大学, 2021(08)
- [3]新疆棉田膜下滴灌水肥控制自适应系统的设计与研究[D]. 李春志. 石河子大学, 2021(02)
- [4]阿姆河流域径流变化分析与水资源优化配置[D]. 高胖胖. 华北电力大学(北京), 2021
- [5]基于冠层光谱信息的无人机遥感诊断冬小麦水分胁迫模型[D]. 周永财. 西北农林科技大学, 2021
- [6]基于空间数据库的灌区用水管理系统的设计 ——以宝鸡峡灌区为例[D]. 杨靖. 西北农林科技大学, 2020
- [7]基于北斗物联网的X县灌溉工程智能管理系统设计与管理[D]. 杨丙辉. 山东科技大学, 2020(06)
- [8]太阳能供电水肥一体化控制系统的研究与设计[D]. 李彦. 山东农业大学, 2020(09)
- [9]小麦氮素营养的高光谱监测及施氮模型构建[D]. 郭彬彬. 河南农业大学, 2019(04)
- [10]城市既有社区农业环境评估与生产性潜力测算研究[D]. 张百慧. 天津大学, 2019(06)